视觉大模型 / VLM

Vehicle-to-Infrastructure Collaborative Spatial Perception via Multimodal Large Language Models

Kimia Ehsani, Walid Saad

机构 * Bradley Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

专题命中 视觉推理 ：multimodal large language model(title,abstract)；分类 cs.LG

Comments Accepted at IEEE GLOBECOM 2025

Understanding Space Is Rocket Science -- Only Top Reasoning Models Can Solve Spatial Understanding Tasks

Nils Hoehing, Mayug Maniparambil, Ellen Rushe, Noel E. O'Connor, Anthony Ventresque

机构 * School of Computer Science（计算机科学学院） ； University College Dublin（都柏林大学） ； School of Computing（计算机科学学院） ； Dublin City University（都柏林城市大学） ； School of Electronic Engineering（电子工程学院） ； Trinity College Dublin（都柏林三一学院） 纠错

专题命中 视觉推理 ：VLM(abstract)；分类 cs.CV、cs.AI、cs.LG